Sistem Absensi Menggunakan Wajah Pada Jaringan Syaraf Tiruan Dengan Algoritma Learning Vector Quantization (LVQ)
SISTEM ABSENSI MENGGUNAKAN WAJAH PADA JARINGAN
SYARAF TIRUAN DENGAN ALGORITMA LEARNING
VECTOR QUANTIZATION (LVQ)
SKRIPSI
RUDY CHANDRA
131401041
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
SISTEM ABSENSI MENGGUNAKAN WAJAH PADA JARINGAN
SYARAF TIRUAN DENGAN ALGORITMA LEARNING
VECTOR QUANTIZATION (LVQ)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
RUDY CHANDRA
131401041
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: SISTEM
ABSENSI MENGGUNAKAN
WAJAH PADA JARINGAN SYARAF
TIRUAN DENGAN ALGORITMA
LEARNING VECTOR QUANTIZATION (LVQ)
Kategori
: SKRIPSI
Nama
: RUDY CHANDRA
Nomor Induk Mahasiswa
: 131401041
Program Studi
: SARJANA (S1) ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Dosen Pembimbing II
Dosen Pembimbing I
Amer Sharif, S.Si , M.Kom
NIP. -
Dr. Poltak Sihombing M.Kom
NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 IlmuKomputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
SISTEM ABSENSI MENGGUNAKAN WAJAH PADA
JARINGAN SYARAF TIRUAN DENGAN ALGORITMA
LEARNING VECTOR QUANTIZATION (LVQ)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 22 Juni 2017
Rudy Chandra
131401041
Universitas Sumatera Utara
iv
PENGHARGAAN
Puji dan syukur penulis ucapkan kehadirat Tuhan yang Maha Esa, karena rahmat dan
izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas
Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Banyak bantuan
berupa uluran tangan, budi baik, buah pikiran dan kerjasama yang telah penulis terima
selama menempuh studi sampai dengan penyelesaian studi (skripsi) ini. Oleh karena
itu, seyogianya penulis menyampaikan ucapan terimakasih kepada pihak-pihak yang
telah membantu.
Ucapan terima kasih penulis sampaikan kepada:
1. Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera
Utara.
2. Prof. Dr. Opim Salim Sitompul M.Sc selaku Dekan Fakultas Ilmu Komputer
dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Sumatera Utara.
4. Ibu Dr. Maya Silvi Lydia, B.Sc, M.Sc selaku dosen Pembimbing Akademik
yang telah memberikan nasihat, arahan dan motivasi kepada penulis.
5. Bapak Dr. Poltak Sihombing, M.Kom selaku dosen pembimbing I yang telah
memberikan bimbingan, kritik, dan saran kepada penulis dalam menyelesaikan
skripsi ini.
6. Bapak Amer Sharif., S.Si., M.Kom selaku dosen pembimbing II yang telah
memberikan bimbingan, kritik, dan saran kepada penulis dalam menyelesaikan
skripsi ini.
7. Ibu Amalia., S.T., MT selaku dosen pembanding I yang telah memberikan kritik
dan saran guna memperbaiki kesalahan yang ada pada skripsi ini.
8. Bapak Jos Timanta Tarigan, S.Kom., M.Sc. selaku dosen pembanding II yang
telah memberikan kritik dan saran guna memperbaiki kesalahan yang ada pada
skripsi ini.
Universitas Sumatera Utara
v
9. Seluruh tenaga pengajar dan pegawai di Fakultas Ilmu Komputer dan Teknologi
Informasi USU yang telah membantu penulis dalam proses pembuatan skripsi.
10. Ayahanda Nurdin dan ibunda tercinta Rusini yang selalu memberikan doa dan
dukungan serta kasih sayang kepada penulis.
11. Bibi Supiah dan Nenek Suriani yang selalu memberikan semangat dan doa
kepada penulis.
12. Abangda Farid Akbar Siregar S.Kom yang telah banyak membantu penulis
dalam pembuatan skripsi ini.
13. Sahabat-Sahabat Zulkarnain Shiddiq, M. Ari Syahputra, M.Sofyan, Fadhilah
Atika, Tiara Rizky, Atika Yasinta, Adiba Nazila, Christian Alesi, Muhammad
Ripqi, Riwan Indra Simbolon, Bobby Armando Sembiring, Ebit Neygo
Simarmata, M.Irfan Sampino, Raja Hafizh Al Ihsan, Dennis Adrian, Rizky
Putra, Fahry Mayprana, M. Ali Subada yang telah berbagi kebersamaan dan
saling memberikan semangat serta dorongan kepada penulis selama
menyelesaikan skripsi ini.
14. Rekan-Rekan Seluruh stambuk 2013 Ilmu komputer USU yang telah banyak
memberi motivasi kepada penulis dalam pengerjaan skripsi ini.
15. Rekan-Rekan pengurus IMILKOM periode 2015-2016 yang telah banyak
memberi motivasi kepada penulis dalam pengerjaan skripsi ini.
16. Pemerintahan Mahasiswa periode 2016-2017 yang telah banyak memberi
motivasi kepada penulis dalam pengerjaan skripsi ini.
17. Ilmu Komputer Laboratory Center (IKLC) yang telah banyak memberi motivasi
kepada penulis dalam pengerjaan skripsi ini.
18. Rekan-rekan penerima Beasiswa Karya Salemba Empat yang telah banyak
memberikan semangat dan arahan kepada penulis dalam pengerjaan skripsi ini.
19. Yayasan Karya Salemba Empat yang telah memberi pelatihan, pengalaman, dan
dukungan selama proses pengerjaan skripsi ini.
20. Penghuni GOA NEWTON KITA yang telah memberikan akses wifi dan tempat
untuk mengerjakan skripsi secara asyik.
21. Hikmahbudhi yang telah memberikan motivasi kepada penulis terkhusus
Delviana yang mencoba untuk membuat halaman skripsi.
22. Semua pihak yang terlibat langsung atau tidak langsung yang penulis tidak dapat
tuliskan satu per satu.
Universitas Sumatera Utara
vi
Semoga Tuhan yang Maha Esa melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, semangat, perhatian, serta dukungan kepada penulis dalam
menyelesaikan skripsi ini. semoga skripsi ini bermanfaat bagi pribadi, keluarga,
masyarakat, organisasi dan negara.
Medan, 22 Juni 2017
Penulis
Universitas Sumatera Utara
vii
ABSTRAK
Sistem absensi memiliki peran penting dalam kehidupan sehari-hari terutama di
lingkup kerja seperti perkantoran, pabrik, rumah sakit, sekolah, universitas, dan tempat
lain yang membutuhkan absensi. Dalam kegiatan belajar mengajar di dalam suatu
perguruan tinggi, tentu saja memiliki mahasiswa/i yang harus dicatat kehadirannya
setiap hari. Seringnya pendataan mahasiswa menghilang atau rusak dalam rekapan di
tata usaha, memungkinkan beberapa arsip yang begitu banyak, salah letak atau salah
pendataan sehingga sistem akademik pada suatu kampus tidak maksimal.Terutama
mengenai absensi yang sering tidak sesuai kenyataan isinya. Di era informasi ini akan
sangat mudah apabila digunakan teknologi seperti software untuk pendataan absensi,
mulai dari daftar kehadiran dan daftar prestasi di kelas. Pada zaman modern seperti
sekarang ini, tidak menutup kemungkinan bahwa wajah dapat dimanfaatkan untuk
sistem absensi di perguruan tinggi. Melalui wajah memungkinkan proses absen menjadi
efektif dan efisien karena lebih cepat dan tidak akan mengalami kerusakan karena data
akan tersimpan pada media penyimpanan di komputer. Pada absensi ini akan digunakan
konsep jaringan syaraf tiruan algoritma learning vector quantization (LVQ). LVQ
adalah metode untuk melakukan platihan terhadap lapisan-lapisan kompetitif yang
terawasi. Lapisan kompetitif akan belajar secara otomatis untuk melakukan klasifikasi
terhadap vektor yang diberikan dan akan dikelompokkan kedalam kelas yang sama
berdasarkan jarak yang mendekati. Wajah yang akan menjadi acuan sebanyak 5 untuk
per orang. Media penyimpanan absen akan tercatat di Microsoft Excel. Sistem absensi
wajah ini sangat bergantung pada intensitas cahaya yang ada pada foto. Apabila
intensitas cahaya pada foto di proses pelatihan mirip dengan foto pada proses pengujian,
maka foto akan dapat dikenali sesuai nama.Jika perbedaan intensitas cahaya sangat
signifikan, maka foto akan dikenali tetapi berbeda dengan hasil yang diinginkan.
Dengan mengatur maksimal epoch sebesar 20 didapat persen akurasi sebanyak 70%
melalui 20 sampel diantaranya 15 citra input sesuai target. Selain itu memakai absensi
wajah dapat menjadikan efisiensi waktu dengan perbandingan 1 banding 15 mahasiswa
yang melakukan absensi secara manual.
Kata kunci: Learning Vector Quantization, Jaringan Syaraf Tiruan, Wajah, Citra
Universitas Sumatera Utara
viii
ABSTRACT
Attendance system has an important role in life, especially in the scope of work such as
offices, factories, hospitals, schools, universities, and other places that require
absenteeism. In teaching and learning activities in a college, student must be recorded
his presence everyday. Day by day the data of students will be disappear or broken in
administration, allowing multiple archives that are so many, misplaced or
misrepresentation so that the academic system on a campus not optimal. Especially
about absences that often do not match the reality of the contents. In this information
era will be very easy when used technology such as software for data absenteeism,
starting from the attendance list and the list of achievements in the classroom. In modern
times like today, does not rule out the possibility that the face can be utilized for
attendance system in college. Through the face allows the absent process to be effective
and efficient because it is faster and will not suffer damage because the data will be
stored on the storage media on the computer. In this absence will be used the concept
of artificial neural network learning vector quantization algorithm (LVQ). LVQ is a
method performing training on supervised competitive layers. Competitive layers will
learn automatically to classify the given vectors and will be grouped into the same class
by close proximity. The face will be 5 for each person. The absence storage media will
be recorded in Microsoft Excel. This face attendance system is very dependent on the
intensity of light that is on the photo. If the intensity of light in the photo in the training
process is similar to the photo in the testing process, then the photo will be recognizable
by name. If the difference in light intensity is very significant, then the photo will be
recognized but different from the desired result. By adjusting a maximum of 20 epoch
obtained percent accuracy of 70% through 20 samples of which 15 image input
according to target. In addition, wearing face absence can make the efficiency of time
with a ratio of 1 to 15 students who do the absences manually.
Kata kunci: Learning Vector Quantization, Artificial Neural Network, Face, Image
Universitas Sumatera Utara
x
DAFTAR ISI
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Bab 1 Pendahuluan
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan
Bab 2 Tinjauan Pustaka
2.1 Algoritma
2.2 Biometrik
2.3 Pengenalan Pola
2.4 Wajah
2.5 Citra
2.5.1 Citra Grayscale
2.5.2 Thresholding
2.5.3 Tahap Processing Citra
2.6 Jaringan Syaraf Tiruan
2.6.1 Learning Vector Quantization (LVQ)
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan
3.1.3 Analisis Permodelan Sistem
3.1.4 Naratif Use Case Sistem
3.1.5 Flowchart Sistem
3.1.5.1 Flowchart sistem secara umum
3.1.5.2 Flowchart Pelatihan Algoritma Learning Vector
Quantization (LVQ)
3.1.5.3 Screen Shot Coding Pengujian Learning Vector
Quantization (LVQ)
3.1.6 Perancangan Database
3.1.7 Arsitektur Umum Sistem
3.2 Perancangan Antarmuka (Interface)
3.2.1 Rancangan Form Utama
3.2.2 Rancangan Form Absen
3.2.3 Rancangan Form Tentang
Halaman
ii
iii
iv
vii
viii
ix
xi
xii
1
2
2
3
3
3
5
6
6
8
9
10
10
11
12
13
15
19
19
20
21
22
26
26
27
28
29
30
31
31
32
33
Universitas Sumatera Utara
x
Bab 4 Implementasi dan Pengujian
4.1 Implementasi Sistem
4.1.1 Tampilan Utama
4.1.2 Tampilan Absen
4.1.3 Tampilan Tentang
4.1.4 Proses grayscale dan thresholding
4.1.5 Ketentuan dan Parameter Pengujian
4.2 Pengujian Sistem
4.2.1 Hasil pengujian dengan webcam sampel ‘rudy’
4.2.2 Hasil pengujian dengan webcam sampel ‘hafiz’
4.2.3 Hasil pengujian dengan webcam sampel ‘Cut Amalia Saffiera’
4.2.4 Hasil pengujian dengan webcam sampel ‘chyntia’
4.2.5 Foto Pemakaian Sistem Absensi di Kelas
4.2.6 Screen Shot Coding Pengambilan Wajah Real Time
Langkah-langkah Algoritma Learning Vector Quantization
4.2.7
(LVQ)
4.2.8 Pencarian Kecocokan Wajah
4.2.9 Kalkulasi Hasil Pengujian
4.2.10 Analisis Kecocokan Wajah
4.2.11 Database Absen Excel
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
Daftar Pustaka
58
58
59
Listing Program
Curriculum Vitae
A-1
B-1
34
34
35
35
36
37
38
39
41
43
45
47
48
51
49
55
56
56
Universitas Sumatera Utara
xi
DAFTAR TABEL
Nomor
Tabel
3.1
3.2
3.3
3.4
3.5
3.6
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
Nama Tabel
Halaman
Dokumentasi Naratif Use Case Aktifkan dan Scan Wajah
memakai Kamera
Dokumentasi Naratif Use Case Pengujian Inputan
Dokumentasi Naratif Use Case Deteksi Wajah
Dokumentasi Naratif Use Case Daftar Wajah
Dokumentasi Naratif Use Case Pelatihan Inputan
Dokumentasi Naratif Use Case Catat sebagai absen
Hasil pengujian dengan webcam sampel ‘rudy’
Hasil pengujian dengan webcam sampel ‘hafiz’
Hasil pengujian dengan webcam sampel ‘Cut Amalia
Saffiera’
Hasil pengujian dengan webcam sampel ‘chyntia’
Tabel Gambar yang menjadi Target.
Tabel Binerisasi Input Vektor
Tabel Nilai Minimum yang dihasilkan
Tabel Rangkuman Hasil Pengujian
Tabel Selisih Waktu Antara Absen Manual Dan Sistem
Komputer
22
23
23
24
24
25
37
39
41
43
51
52
54
55
57
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Nomor
Gambar
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
Nama Gambar
Halaman
Diagram Sederhana Proses Pengenalan Pola
Intensitas grayscale
Citra Grayscale
Citra Threshold
Alur Preprocessing Citra menjadi Threshold
Model Sederhana Neuron
Skema Proses Jaringan Syaraf Tiruan melalui jaringan dari
unit pemroses kecil yang saling terhubung
Arsitektur Learning Vector Quantization
Diagram Ishikawa
Use case Diagram Sistem Absensi Wajah
Activity Diagram Sistem Absensi Wajah
Sequence Diagram Sistem Absensi Wajah
Flowchart sistem secara umum
Flowchart Pelatihan Sistem Absensi Wajah
Flowchart Pengujian Sistem Absensi Wajah
Arsitektur Umum Sistem Absensi Wajah
Rancangan Form Utama
Rancangan Form Absen
Rancangan Form Tentang
Tampilan utama
Tampilan absen
Tampilan tentang
Contoh citra Grayscale
Contoh citra threshold
Hasil Binerisasi
Proses deteksi wajah dan pendaftaran wajah
Foto Pemakaian Sistem Absensi di Kelas
Screen Shot Coding Pengambilan Wajah Real Time
Citra Inputan yang tertangkap Kamera
Output yg diharapkan agar sesuai target
Gambar threshold yang akan diproses pada gambar acuan.
Perubahan Bobot pada Kelas target 1
Grafik Selisih Waktu antara Manual dan Sistem Komputer
Tampilan Database kehadiran pada Excel
9
11
11
12
12
14
14
16
20
22
25
26
26
27
28
30
31
32
33
34
35
35
36
36
37
38
47
48
49
49
51
53
57
57
Universitas Sumatera Utara
SYARAF TIRUAN DENGAN ALGORITMA LEARNING
VECTOR QUANTIZATION (LVQ)
SKRIPSI
RUDY CHANDRA
131401041
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
SISTEM ABSENSI MENGGUNAKAN WAJAH PADA JARINGAN
SYARAF TIRUAN DENGAN ALGORITMA LEARNING
VECTOR QUANTIZATION (LVQ)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
RUDY CHANDRA
131401041
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: SISTEM
ABSENSI MENGGUNAKAN
WAJAH PADA JARINGAN SYARAF
TIRUAN DENGAN ALGORITMA
LEARNING VECTOR QUANTIZATION (LVQ)
Kategori
: SKRIPSI
Nama
: RUDY CHANDRA
Nomor Induk Mahasiswa
: 131401041
Program Studi
: SARJANA (S1) ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Dosen Pembimbing II
Dosen Pembimbing I
Amer Sharif, S.Si , M.Kom
NIP. -
Dr. Poltak Sihombing M.Kom
NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 IlmuKomputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 196203171991031001
Universitas Sumatera Utara
iii
PERNYATAAN
SISTEM ABSENSI MENGGUNAKAN WAJAH PADA
JARINGAN SYARAF TIRUAN DENGAN ALGORITMA
LEARNING VECTOR QUANTIZATION (LVQ)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 22 Juni 2017
Rudy Chandra
131401041
Universitas Sumatera Utara
iv
PENGHARGAAN
Puji dan syukur penulis ucapkan kehadirat Tuhan yang Maha Esa, karena rahmat dan
izin-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas
Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Banyak bantuan
berupa uluran tangan, budi baik, buah pikiran dan kerjasama yang telah penulis terima
selama menempuh studi sampai dengan penyelesaian studi (skripsi) ini. Oleh karena
itu, seyogianya penulis menyampaikan ucapan terimakasih kepada pihak-pihak yang
telah membantu.
Ucapan terima kasih penulis sampaikan kepada:
1. Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera
Utara.
2. Prof. Dr. Opim Salim Sitompul M.Sc selaku Dekan Fakultas Ilmu Komputer
dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Sumatera Utara.
4. Ibu Dr. Maya Silvi Lydia, B.Sc, M.Sc selaku dosen Pembimbing Akademik
yang telah memberikan nasihat, arahan dan motivasi kepada penulis.
5. Bapak Dr. Poltak Sihombing, M.Kom selaku dosen pembimbing I yang telah
memberikan bimbingan, kritik, dan saran kepada penulis dalam menyelesaikan
skripsi ini.
6. Bapak Amer Sharif., S.Si., M.Kom selaku dosen pembimbing II yang telah
memberikan bimbingan, kritik, dan saran kepada penulis dalam menyelesaikan
skripsi ini.
7. Ibu Amalia., S.T., MT selaku dosen pembanding I yang telah memberikan kritik
dan saran guna memperbaiki kesalahan yang ada pada skripsi ini.
8. Bapak Jos Timanta Tarigan, S.Kom., M.Sc. selaku dosen pembanding II yang
telah memberikan kritik dan saran guna memperbaiki kesalahan yang ada pada
skripsi ini.
Universitas Sumatera Utara
v
9. Seluruh tenaga pengajar dan pegawai di Fakultas Ilmu Komputer dan Teknologi
Informasi USU yang telah membantu penulis dalam proses pembuatan skripsi.
10. Ayahanda Nurdin dan ibunda tercinta Rusini yang selalu memberikan doa dan
dukungan serta kasih sayang kepada penulis.
11. Bibi Supiah dan Nenek Suriani yang selalu memberikan semangat dan doa
kepada penulis.
12. Abangda Farid Akbar Siregar S.Kom yang telah banyak membantu penulis
dalam pembuatan skripsi ini.
13. Sahabat-Sahabat Zulkarnain Shiddiq, M. Ari Syahputra, M.Sofyan, Fadhilah
Atika, Tiara Rizky, Atika Yasinta, Adiba Nazila, Christian Alesi, Muhammad
Ripqi, Riwan Indra Simbolon, Bobby Armando Sembiring, Ebit Neygo
Simarmata, M.Irfan Sampino, Raja Hafizh Al Ihsan, Dennis Adrian, Rizky
Putra, Fahry Mayprana, M. Ali Subada yang telah berbagi kebersamaan dan
saling memberikan semangat serta dorongan kepada penulis selama
menyelesaikan skripsi ini.
14. Rekan-Rekan Seluruh stambuk 2013 Ilmu komputer USU yang telah banyak
memberi motivasi kepada penulis dalam pengerjaan skripsi ini.
15. Rekan-Rekan pengurus IMILKOM periode 2015-2016 yang telah banyak
memberi motivasi kepada penulis dalam pengerjaan skripsi ini.
16. Pemerintahan Mahasiswa periode 2016-2017 yang telah banyak memberi
motivasi kepada penulis dalam pengerjaan skripsi ini.
17. Ilmu Komputer Laboratory Center (IKLC) yang telah banyak memberi motivasi
kepada penulis dalam pengerjaan skripsi ini.
18. Rekan-rekan penerima Beasiswa Karya Salemba Empat yang telah banyak
memberikan semangat dan arahan kepada penulis dalam pengerjaan skripsi ini.
19. Yayasan Karya Salemba Empat yang telah memberi pelatihan, pengalaman, dan
dukungan selama proses pengerjaan skripsi ini.
20. Penghuni GOA NEWTON KITA yang telah memberikan akses wifi dan tempat
untuk mengerjakan skripsi secara asyik.
21. Hikmahbudhi yang telah memberikan motivasi kepada penulis terkhusus
Delviana yang mencoba untuk membuat halaman skripsi.
22. Semua pihak yang terlibat langsung atau tidak langsung yang penulis tidak dapat
tuliskan satu per satu.
Universitas Sumatera Utara
vi
Semoga Tuhan yang Maha Esa melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, semangat, perhatian, serta dukungan kepada penulis dalam
menyelesaikan skripsi ini. semoga skripsi ini bermanfaat bagi pribadi, keluarga,
masyarakat, organisasi dan negara.
Medan, 22 Juni 2017
Penulis
Universitas Sumatera Utara
vii
ABSTRAK
Sistem absensi memiliki peran penting dalam kehidupan sehari-hari terutama di
lingkup kerja seperti perkantoran, pabrik, rumah sakit, sekolah, universitas, dan tempat
lain yang membutuhkan absensi. Dalam kegiatan belajar mengajar di dalam suatu
perguruan tinggi, tentu saja memiliki mahasiswa/i yang harus dicatat kehadirannya
setiap hari. Seringnya pendataan mahasiswa menghilang atau rusak dalam rekapan di
tata usaha, memungkinkan beberapa arsip yang begitu banyak, salah letak atau salah
pendataan sehingga sistem akademik pada suatu kampus tidak maksimal.Terutama
mengenai absensi yang sering tidak sesuai kenyataan isinya. Di era informasi ini akan
sangat mudah apabila digunakan teknologi seperti software untuk pendataan absensi,
mulai dari daftar kehadiran dan daftar prestasi di kelas. Pada zaman modern seperti
sekarang ini, tidak menutup kemungkinan bahwa wajah dapat dimanfaatkan untuk
sistem absensi di perguruan tinggi. Melalui wajah memungkinkan proses absen menjadi
efektif dan efisien karena lebih cepat dan tidak akan mengalami kerusakan karena data
akan tersimpan pada media penyimpanan di komputer. Pada absensi ini akan digunakan
konsep jaringan syaraf tiruan algoritma learning vector quantization (LVQ). LVQ
adalah metode untuk melakukan platihan terhadap lapisan-lapisan kompetitif yang
terawasi. Lapisan kompetitif akan belajar secara otomatis untuk melakukan klasifikasi
terhadap vektor yang diberikan dan akan dikelompokkan kedalam kelas yang sama
berdasarkan jarak yang mendekati. Wajah yang akan menjadi acuan sebanyak 5 untuk
per orang. Media penyimpanan absen akan tercatat di Microsoft Excel. Sistem absensi
wajah ini sangat bergantung pada intensitas cahaya yang ada pada foto. Apabila
intensitas cahaya pada foto di proses pelatihan mirip dengan foto pada proses pengujian,
maka foto akan dapat dikenali sesuai nama.Jika perbedaan intensitas cahaya sangat
signifikan, maka foto akan dikenali tetapi berbeda dengan hasil yang diinginkan.
Dengan mengatur maksimal epoch sebesar 20 didapat persen akurasi sebanyak 70%
melalui 20 sampel diantaranya 15 citra input sesuai target. Selain itu memakai absensi
wajah dapat menjadikan efisiensi waktu dengan perbandingan 1 banding 15 mahasiswa
yang melakukan absensi secara manual.
Kata kunci: Learning Vector Quantization, Jaringan Syaraf Tiruan, Wajah, Citra
Universitas Sumatera Utara
viii
ABSTRACT
Attendance system has an important role in life, especially in the scope of work such as
offices, factories, hospitals, schools, universities, and other places that require
absenteeism. In teaching and learning activities in a college, student must be recorded
his presence everyday. Day by day the data of students will be disappear or broken in
administration, allowing multiple archives that are so many, misplaced or
misrepresentation so that the academic system on a campus not optimal. Especially
about absences that often do not match the reality of the contents. In this information
era will be very easy when used technology such as software for data absenteeism,
starting from the attendance list and the list of achievements in the classroom. In modern
times like today, does not rule out the possibility that the face can be utilized for
attendance system in college. Through the face allows the absent process to be effective
and efficient because it is faster and will not suffer damage because the data will be
stored on the storage media on the computer. In this absence will be used the concept
of artificial neural network learning vector quantization algorithm (LVQ). LVQ is a
method performing training on supervised competitive layers. Competitive layers will
learn automatically to classify the given vectors and will be grouped into the same class
by close proximity. The face will be 5 for each person. The absence storage media will
be recorded in Microsoft Excel. This face attendance system is very dependent on the
intensity of light that is on the photo. If the intensity of light in the photo in the training
process is similar to the photo in the testing process, then the photo will be recognizable
by name. If the difference in light intensity is very significant, then the photo will be
recognized but different from the desired result. By adjusting a maximum of 20 epoch
obtained percent accuracy of 70% through 20 samples of which 15 image input
according to target. In addition, wearing face absence can make the efficiency of time
with a ratio of 1 to 15 students who do the absences manually.
Kata kunci: Learning Vector Quantization, Artificial Neural Network, Face, Image
Universitas Sumatera Utara
x
DAFTAR ISI
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Bab 1 Pendahuluan
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1.7 Sistematika Penulisan
Bab 2 Tinjauan Pustaka
2.1 Algoritma
2.2 Biometrik
2.3 Pengenalan Pola
2.4 Wajah
2.5 Citra
2.5.1 Citra Grayscale
2.5.2 Thresholding
2.5.3 Tahap Processing Citra
2.6 Jaringan Syaraf Tiruan
2.6.1 Learning Vector Quantization (LVQ)
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem
3.1.1 Analisis Masalah
3.1.2 Analisis Persyaratan
3.1.3 Analisis Permodelan Sistem
3.1.4 Naratif Use Case Sistem
3.1.5 Flowchart Sistem
3.1.5.1 Flowchart sistem secara umum
3.1.5.2 Flowchart Pelatihan Algoritma Learning Vector
Quantization (LVQ)
3.1.5.3 Screen Shot Coding Pengujian Learning Vector
Quantization (LVQ)
3.1.6 Perancangan Database
3.1.7 Arsitektur Umum Sistem
3.2 Perancangan Antarmuka (Interface)
3.2.1 Rancangan Form Utama
3.2.2 Rancangan Form Absen
3.2.3 Rancangan Form Tentang
Halaman
ii
iii
iv
vii
viii
ix
xi
xii
1
2
2
3
3
3
5
6
6
8
9
10
10
11
12
13
15
19
19
20
21
22
26
26
27
28
29
30
31
31
32
33
Universitas Sumatera Utara
x
Bab 4 Implementasi dan Pengujian
4.1 Implementasi Sistem
4.1.1 Tampilan Utama
4.1.2 Tampilan Absen
4.1.3 Tampilan Tentang
4.1.4 Proses grayscale dan thresholding
4.1.5 Ketentuan dan Parameter Pengujian
4.2 Pengujian Sistem
4.2.1 Hasil pengujian dengan webcam sampel ‘rudy’
4.2.2 Hasil pengujian dengan webcam sampel ‘hafiz’
4.2.3 Hasil pengujian dengan webcam sampel ‘Cut Amalia Saffiera’
4.2.4 Hasil pengujian dengan webcam sampel ‘chyntia’
4.2.5 Foto Pemakaian Sistem Absensi di Kelas
4.2.6 Screen Shot Coding Pengambilan Wajah Real Time
Langkah-langkah Algoritma Learning Vector Quantization
4.2.7
(LVQ)
4.2.8 Pencarian Kecocokan Wajah
4.2.9 Kalkulasi Hasil Pengujian
4.2.10 Analisis Kecocokan Wajah
4.2.11 Database Absen Excel
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan
5.2 Saran
Daftar Pustaka
58
58
59
Listing Program
Curriculum Vitae
A-1
B-1
34
34
35
35
36
37
38
39
41
43
45
47
48
51
49
55
56
56
Universitas Sumatera Utara
xi
DAFTAR TABEL
Nomor
Tabel
3.1
3.2
3.3
3.4
3.5
3.6
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
Nama Tabel
Halaman
Dokumentasi Naratif Use Case Aktifkan dan Scan Wajah
memakai Kamera
Dokumentasi Naratif Use Case Pengujian Inputan
Dokumentasi Naratif Use Case Deteksi Wajah
Dokumentasi Naratif Use Case Daftar Wajah
Dokumentasi Naratif Use Case Pelatihan Inputan
Dokumentasi Naratif Use Case Catat sebagai absen
Hasil pengujian dengan webcam sampel ‘rudy’
Hasil pengujian dengan webcam sampel ‘hafiz’
Hasil pengujian dengan webcam sampel ‘Cut Amalia
Saffiera’
Hasil pengujian dengan webcam sampel ‘chyntia’
Tabel Gambar yang menjadi Target.
Tabel Binerisasi Input Vektor
Tabel Nilai Minimum yang dihasilkan
Tabel Rangkuman Hasil Pengujian
Tabel Selisih Waktu Antara Absen Manual Dan Sistem
Komputer
22
23
23
24
24
25
37
39
41
43
51
52
54
55
57
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Nomor
Gambar
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
Nama Gambar
Halaman
Diagram Sederhana Proses Pengenalan Pola
Intensitas grayscale
Citra Grayscale
Citra Threshold
Alur Preprocessing Citra menjadi Threshold
Model Sederhana Neuron
Skema Proses Jaringan Syaraf Tiruan melalui jaringan dari
unit pemroses kecil yang saling terhubung
Arsitektur Learning Vector Quantization
Diagram Ishikawa
Use case Diagram Sistem Absensi Wajah
Activity Diagram Sistem Absensi Wajah
Sequence Diagram Sistem Absensi Wajah
Flowchart sistem secara umum
Flowchart Pelatihan Sistem Absensi Wajah
Flowchart Pengujian Sistem Absensi Wajah
Arsitektur Umum Sistem Absensi Wajah
Rancangan Form Utama
Rancangan Form Absen
Rancangan Form Tentang
Tampilan utama
Tampilan absen
Tampilan tentang
Contoh citra Grayscale
Contoh citra threshold
Hasil Binerisasi
Proses deteksi wajah dan pendaftaran wajah
Foto Pemakaian Sistem Absensi di Kelas
Screen Shot Coding Pengambilan Wajah Real Time
Citra Inputan yang tertangkap Kamera
Output yg diharapkan agar sesuai target
Gambar threshold yang akan diproses pada gambar acuan.
Perubahan Bobot pada Kelas target 1
Grafik Selisih Waktu antara Manual dan Sistem Komputer
Tampilan Database kehadiran pada Excel
9
11
11
12
12
14
14
16
20
22
25
26
26
27
28
30
31
32
33
34
35
35
36
36
37
38
47
48
49
49
51
53
57
57
Universitas Sumatera Utara